一種人臉識別方法和裝置制造方法
【專利摘要】本發(fā)明提供了一種人臉識別方法和裝置，該方法包括：獲取包含人臉的待識別圖像；基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，確定出所述待識別圖像中的待分析人臉膚色區(qū)域；對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域；對所述人臉區(qū)域進行人臉識別，得到人臉識別結(jié)果。該方法能夠提供人臉識別的速度，并提高人臉識別的可靠性。
【專利說明】一種人臉識別方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，更具體的說是涉及一種人臉識別方法和裝置。
【背景技術(shù)】
[0002]人臉識別是指利用計算機分析包含人臉信息的視頻或者圖像，并從中提取出有效性的識別信息，并按照一定的方法提取出人臉特征信息來表征人臉，并最終判斷人臉對象的身份。
[0003]人臉識別過程包含了人臉檢測和人臉識別兩個部分。目前，常用的人臉識別方法一般在整個視頻幀或者圖像檢測人臉區(qū)域，很多檢測時間浪費在背景干擾區(qū)域，人臉檢測的檢測時間長，檢測速率低，進而影響到人臉識別速度。同時，由于收到光照、表情等因素干擾，導致檢測不準確，影響人臉識別系統(tǒng)的性能，甚至導致人臉識別失敗。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明提供一種人臉識別方法和裝置，以提高人臉識別的速度，并提高人臉識別的可靠性。
[0005]為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案:一種人臉識別方法，包括: [0006]獲取包含人臉的待識別圖像；
[0007]基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，確定出所述待識別圖像中的待分析人臉膚色區(qū)域；
[0008]對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域；
[0009]對所述人臉區(qū)域進行人臉識別，得到人臉識別結(jié)果。
[0010]優(yōu)選的，所述基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，得到所述待識別圖像中的待分析人臉膚色區(qū)域，包括:
[0011]基于YCbCr色彩空間對所述待識別圖像進行膚色分割，分割出膚色區(qū)域；
[0012]根據(jù)預(yù)置的人臉膚色篩選條件，從所述膚色區(qū)域中進行人臉膚色篩選，得到待分析人臉膚色區(qū)域。
[0013]優(yōu)選的，所述基于YCbCr色彩空間對所述待識別圖像進行膚色分割，分割出膚色區(qū)域，包括:
[0014]根據(jù)基于YCbCr色彩空間確定出的膚色區(qū)域判別公式，對所述待識別圖像進行膚
色分割，分割出多個膚色區(qū)域，其中，所述膚色區(qū)域判別公式為:
[0015]

_[1, Cb{i, /)e [100,1 n]andCr(i, /)e [138J 70]
F(M) = io,其他
[0016]其中，Cb為所述待識別圖像中的像素點的藍色色度分量，Cr為待識別圖像中像素點的紅色色度分量，其中I表示該像素點為膚色點，O表示該像素點為非膚色點；
[0017]所述根據(jù)預(yù)置的人臉膚色篩選條件，從所述膚色區(qū)域中進行人臉膚色區(qū)域篩選，得到待分析人臉膚色區(qū)域，包括:
[0018]分別統(tǒng)計每個膚色區(qū)域內(nèi)的像素數(shù)目，并計算每個膚色區(qū)域的面積，每個膚色區(qū)域的外接矩形的面積，以及所述外接矩形的寬長比；
[0019]當所述膚色區(qū)域的像素數(shù)目大于1400，膚色區(qū)域的面積與膚色區(qū)域的外接矩形的面積之比大于0.55，且所述外接矩形的寬長比大于1.54且小于2.4時，則確定所述膚色區(qū)域為待分析人臉膚色區(qū)域。
[0020]優(yōu)選的，所述對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域，包括:
[0021]利用訓練出的強分類器的檢測窗口對所述人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域；
[0022]其中，所述強分類器通過如下方式訓練得到:
[0023]A、獲取包括多個訓練樣本(Xi, Yi)的訓練樣本集合，并為所述訓練樣本分配權(quán)重；其中，所述訓練樣本集合中包含為正樣本的訓練樣本以及為負樣本的訓練樣本，其中，訓練樣本中Yi=I表示包含人臉的正樣本，Yi=-1表示不包含人臉的負樣本,正樣本的權(quán)重=l/2n，負樣本的權(quán)重為=l/2m，其中，η為所述訓練樣本集合中正樣本的數(shù)量，m為所述訓練樣本集合中負樣本的數(shù)量；
[0024]B、根據(jù)所述正樣本和所述負樣本的權(quán)重，對于每一個矩形特征，分別訓練相應(yīng)的弱分類器；
[0025]C、計算所述弱分類器的加權(quán)錯誤率；
[0026]D、選擇具有最小加權(quán)錯誤率的弱分類器作為最佳弱分類器；
[0027]E、將所述正樣本和負樣本的權(quán)重的更新為Dt+1 (i)，并返回執(zhí)行步驟B直至迭代次數(shù)達到預(yù)設(shè)次數(shù)；
[0028]
【權(quán)利要求】
1.一種人臉識別方法，其特征在于，包括: 獲取包含人臉的待識別圖像； 基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，確定出所述待識別圖像中的待分析人臉膚色區(qū)域； 對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域； 對所述人臉區(qū)域進行人臉識別，得到人臉識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，得到所述待識別圖像中的待分析人臉膚色區(qū)域，包括: 基于YCbCr色彩空間對所述待識別圖像進行膚色分割，分割出膚色區(qū)域； 根據(jù)預(yù)置的人臉膚色篩選條件，從所述膚色區(qū)域中進行人臉膚色篩選，得到待分析人臉膚色區(qū)域。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于YCbCr色彩空間對所述待識別圖像進行膚色分割，分割出膚色區(qū)域，包括: 根據(jù)基于YCbCr色彩空間確定出的膚色區(qū)域判別公式，對所述待識別圖像進行膚色分害I]，分割出多個膚色區(qū)域，其中，所述膚色區(qū)域判別公式為:
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域，包括: 利用訓練出的強分類器的檢測窗口對所述人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域； 其中，所述強分類器通過如下方式訓練得到: A、獲取包括多個訓練樣本(Xi，yi)的訓練樣本集合，并為所述訓練樣本分配權(quán)重；其中，所述訓練樣本集合中包含為正樣本的訓練樣本以及為負樣本的訓練樣本，其中，訓練樣本中Yi=I表示包含人臉的正樣本，Yi=-1表示不包含人臉的負樣本,正樣本的權(quán)重=l/2n，負樣本的權(quán)重為=l/2m，其中，η為所述訓練樣本集合中正樣本的數(shù)量，m為所述訓練樣本集合中負樣本的數(shù)量； B、根據(jù)所述正樣本和所述負樣本的權(quán)重，對于每一個矩形特征，分別訓練相應(yīng)的弱分類器；C、計算所述弱分類器的加權(quán)錯誤率； D、選擇具有最小加權(quán)錯誤率的弱分類器作為最佳弱分類器； E、將所述正樣本和負樣本的權(quán)重的更新為Dt+1(i)，并返回執(zhí)行步驟B直至迭代次數(shù)達到預(yù)設(shè)次數(shù)；
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用訓練出的強分類器的檢測窗口對所述人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域，包括: 通過所述強分類器的檢測窗口對所述人臉膚色區(qū)域進行人臉檢測，并按照預(yù)設(shè)規(guī)則調(diào)整所述檢測窗口的移動步長，直至所述人臉膚色區(qū)域均被檢測； 其中，按照預(yù)設(shè)規(guī)則調(diào)整所述檢測窗口的移動步長為通過如下公式調(diào)整檢測窗口待移動的移動步長delta:delta= μ *ln (Z-Zp) μ是預(yù)置的調(diào)整因子，ζ是強分類器總數(shù)目，Zp為本次人臉檢測中通過的強分類器數(shù)目。
6.根據(jù)權(quán)利要求1、4或5所述的方法，其特征在于，所述對所述人臉區(qū)域進行人臉識另O，得到人臉識別結(jié)果，包括: 獲取所述定位出的人臉區(qū)域的圖像中像素點的局部方向模式LDP編碼； 對所述LDP編碼進行主方向歸一化，得到主方向歸一化后的LDP編碼；將所述人臉區(qū)域切分成M*N的η個第一分塊，并根據(jù)所述主方向歸一化后的LDP的編碼值，分別計算每個所述第一分塊的權(quán)重； 將定位出的人臉區(qū)域劃分為指定數(shù)量個第二分塊，并根據(jù)所述主方向歸一化后的LDP的編碼值，分別提取每個所述第二分塊的LDP直方圖特征； 整合各個所述第二分塊的LDP直方圖特征，得到描述所述人臉區(qū)域的圖像的LDP直方圖特征； 根據(jù)所述人臉區(qū)域的圖像的LDP直方圖特征、每個所述第一分塊的權(quán)重以及預(yù)置的訓練樣本的LDP直方圖，計算所述人臉區(qū)域與所述訓練樣本的LDP直方圖的特征相似度；計算所述人臉區(qū)域的圖像的LDP直方圖特征與預(yù)置的標準庫中的特征的最近距離，將所述最近距離對應(yīng)的標準庫中的圖像的信息作為人臉識別結(jié)果數(shù)據(jù)。
7.—種人臉識別裝置，其特征在于，包括: 圖像獲取單元，用于獲取包含人臉的待識別圖像； 膚色分割單元，用于基于預(yù)設(shè)的色彩空間對所述待識別圖像進行膚色分割，確定出所述待識別圖像中的待分析人臉膚色區(qū)域； 人臉檢測單元，用于對所述待分析人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域； 人臉識別單元，用于對所述人臉區(qū)域進行人臉識別，得到人臉識別結(jié)果。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述膚色分割單元，包括: 第一膚色分割單元，用于基于YCbCr色彩空間對所述待識別圖像進行膚色分割，分割出膚色區(qū)域； 膚色區(qū)域確定單元，用于根據(jù)預(yù)置的人臉膚色篩選條件，從所述膚色區(qū)域中進行人臉膚色篩選，得到待分析人臉膚色區(qū)域。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第一膚色分割單元，包括: 膚色分割子單元，用于根據(jù)基于YCbCr色彩空間確定出的膚色區(qū)域判別公式，對所述待識別圖像進行膚色分割，分割出多個膚色區(qū)域，其中，所述膚色區(qū)域判別公式為:


10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述人臉檢測單元，包括: 人臉檢測子單元，用于利用訓練出的強分類器的檢測窗口對所述人臉膚色區(qū)域進行人臉檢測，定位出人臉區(qū)域； 其中，所述強分類器通過如下方式訓練得到: A、獲取訓練樣本(Xi, Yi)，并為所述訓練樣本分配權(quán)重；其中，Xi e X, Yi e {-1, +Ihyi=I表示包含人臉的正樣本，Yi=-1表示不包含人臉的負樣本,正樣本的權(quán)重=l/2n，負樣本的權(quán)重為=l/2m,其中，η為所述正樣本的數(shù)量,m為所述負樣本的數(shù)量； B、根據(jù)所述正樣本和所述負樣本的權(quán)重，對于每一個矩形特征，分別訓練相應(yīng)的弱分類器； C、計算所述弱分類器的加權(quán)錯誤率； D、選擇具有最小加權(quán)錯誤率的弱分類器作為最佳弱分類器； E、將所述正樣本和負樣本的權(quán)重的更新為Dt+1(i)，并返回執(zhí)行步驟B直至迭代次數(shù)達到預(yù)設(shè)次數(shù)；
11.根據(jù)權(quán)利要求7或10所述的裝置，其特征在于，所述人臉識別單元，包括: 編碼確定單元，用于獲取所述定位出的人臉區(qū)域的圖像中像素點的局部方向模式LDP編碼； 編碼處理單元，用于對所述LDP編碼進行主方向歸一化，得到主方向歸一化后的LDP編碼； 權(quán)重計算單元，用于將所述人臉區(qū)域切分成Μ*Ν的η個第一分塊，并根據(jù)所述主方向歸一化后的LDP的編碼值，分別計算每個所述第一分塊的權(quán)重； 第一特征確定單元，用于將定位出的人臉區(qū)域劃分為指定數(shù)量個第二分塊，并根據(jù)所述主方向歸一化后的LDP的編碼值，分別提取每個所述第二分塊的LDP直方圖特征； 第二特征確定單元，用于整合各個所述第二分塊的LDP直方圖特征，得到描述所述人臉區(qū)域的圖像的LDP直方圖特征； 相似度計算單元，用于根據(jù)所述人臉區(qū)域的圖像的LDP直方圖特征、每個所述第一分塊的權(quán)重以及預(yù)置的訓練樣本的LDP直方圖，計算所述人臉區(qū)域與所述訓練樣本的LDP直方圖的特征相似度； 人臉識別子單元，用 于計算所述人臉區(qū)域的圖像的LDP直方圖特征與預(yù)置的標準庫中的特征的最近距離，將所述最近距離對應(yīng)的標準庫中的圖像的信息作為人臉識別結(jié)果數(shù)據(jù)。
【文檔編號】G06K9/62GK103577838SQ201310606827
【公開日】2014年2月12日 申請日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】徐汀榮, 李 杰 申請人:蘇州大學